如何修复向Pandas DataFrame追加不同长度列时的报错？

你遇到的这个报错，核心原因是各股票数据的日期范围不一致，导致提取的Adjusted_close列长度各不相同，而空的portfolio DataFrame没有预设索引，直接赋值时pandas没法匹配行长度，所以抛出了这个错误。下面给你两种实用的修复方案：

方案1：用pd.concat批量合并（推荐） #

把所有股票的Adjusted_close列整理成字典，用concat按日期索引自动对齐合并，不同日期的缺口会自动填充NaN，代码更简洁：

import pandas as pd

# 替换成你的50家公司股票代码列表
tickers = ["AAPL", "MSFT", "GOOG", ...]
adjusted_close_dict = {}

for ticker in tickers:
    # 替换成你的股票数据下载/读取逻辑（比如yfinance或本地CSV）
    stock_df = pd.read_csv(f"{ticker}_stock_data.csv")
    # 将日期设为索引，确保合并时按日期对齐
    stock_df["Date"] = pd.to_datetime(stock_df["Date"])
    stock_df.set_index("Date", inplace=True)
    # 提取Adjusted_close列存入字典，键为股票代码
    adjusted_close_dict[ticker] = stock_df["Adjusted_close"]

# 按列合并所有数据，自动对齐日期索引
portfolio = pd.concat(adjusted_close_dict, axis=1)
# 把列名设置为股票代码（可选，让表格更直观）
portfolio.columns = tickers

方案2：手动统一索引后逐步添加列 #

如果需要分步构建portfolio，可以先收集所有股票的日期并集作为统一索引，再逐个添加列并对齐：

import pandas as pd
from functools import reduce

tickers = ["AAPL", "MSFT", "GOOG", ...]
all_dates = []

# 第一步：收集所有股票的日期，生成日期并集
for ticker in tickers:
    stock_df = pd.read_csv(f"{ticker}_stock_data.csv")
    # 转换日期格式并收集
    all_dates.append(pd.to_datetime(stock_df["Date"]))

# 合并所有日期并去重、排序
combined_dates = pd.Series(reduce(lambda x, y: x.union(y), all_dates)).sort_values()

# 用统一日期初始化portfolio
portfolio = pd.DataFrame(index=combined_dates)

# 第二步：逐个添加Adjusted_close列，对齐索引
for ticker in tickers:
    stock_df = pd.read_csv(f"{ticker}_stock_data.csv")
    stock_df["Date"] = pd.to_datetime(stock_df["Date"])
    stock_df.set_index("Date", inplace=True)
    # 对齐到统一日期索引，缺失日期填充NaN
    portfolio[ticker] = stock_df["Adjusted_close"].reindex(combined_dates)

补充说明 #

两种方案的核心都是通过日期索引对齐，让每一列的长度和portfolio的行长度保持一致，从根本上解决长度不匹配的问题。如果不需要保留所有日期，也可以选择用日期交集（把union改成intersection），只保留所有股票都有的日期数据。

内容的提问来源于stack exchange，提问作者Mahmoud Abdel-Rahman